待验证50% 置信事实精确时间

绝大多数RLHF标注工作以英语为主，导致不同语言间对齐质量存在结构性失衡

1

来源数

50%

置信度

长期有效

时效性

2026/7/16

首次发现

来源

AI多语言偏差：Claude在印地语和阿拉伯语中更"礼貌"的背后

相关事实

待验证Anthropic、OpenAI等机构的对齐标注工作大量依赖英语母语标注员，绝大多数RLHF标注工作以英语为主78% 相似待验证许多模型的安全对齐在非英语语言中表现显著下降，低资源语言尤其容易被利用，因为RLHF对齐训练的人类标注数据高度集中在英语上76% 相似待验证RLHF标注工作对标注者要求远高于传统众包任务，需要具备较强的语言理解能力、领域知识乃至编程能力71% 相似待验证OpenAI的RLHF和Anthropic的Constitutional AI等主流对齐方法本质上包含对输出语言风格的隐性约束65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/532880

API

curl https://kongchang.com/api/v1/knowledge/claims/532880

MCP

get_claim(id=532880)